| Titre : | Deep learning methods for medical image classification | | Type de document : | document multimédia | | Auteurs : | Noura Djokna, Auteur ; Chafia Imane Dakmoussi, Auteur ; Mohsen Saleh Chaker, Directeur de thèse | | Editeur : | Laghouat : Université Amar Telidji - Département d'électronique | | Année de publication : | 2023 | | Importance : | 68 p. | | Accompagnement : | 1 disque optique numérique (CD-ROM) | | Note générale : | Option : Networking and Telecommunication
| | Langues : | Français | | Mots-clés : | Intelligence artificielle Apprentissage automatique Apprentissage en profondeur Réseaux de Neurones convolutifs Modèle préforme Apprentissage par transfert Covid-19 | | Résumé : | Apres l’émergence du Coronavirus, qui a secoué le monde entier, il est devenu nécessaire de travailler sur sa détection précoce, et après l’adoption de l’intelligence artificielle dans le domaine médical. Nous proposons ce travail pour détecter la toux corona de manière précise et précoce, en utilisant des images de spectrogramme et l’apprentissage en profondeur qui est un ensemble d’algorithmes d’apprentissage automatique pour former des réseaux de neurones. Dans notre expérience, nous avons utilisé les réseaux de neurones convolutés comme l’une des structures de base pour l’apprentissage en profondeur car ils obtiennent les meilleurs résultats en analyse d’image, Grace a l’utilisation de l’apprentissage par transfert (modelés de réseaux de neurones convolutifs préformes), nous les avons comparés les uns aux autres et avons finalement conclu obtenir le meilleur modèle avec l’ époque de 70 et 128 taille de lot avec une précision de 0,9474 et une perte de 0,1956 pour que le la valeur de précision était élevée par rapport au reste des modèles, et la valeur de perte était faible par rapport au reste. Ce projet vise à comparer ces modèles et à faciliter le développement d’un système base sur l’IA pour la ´ reconnaissance précoce du COVID-19 à partir du signal vocal avec la meilleure efficacité | | note de thèses : | Mémoire de Master en électronique |
Deep learning methods for medical image classification [document multimédia] / Noura Djokna, Auteur ; Chafia Imane Dakmoussi, Auteur ; Mohsen Saleh Chaker, Directeur de thèse . - Laghouat : Université Amar Telidji - Département d'électronique, 2023 . - 68 p. + 1 disque optique numérique (CD-ROM). Option : Networking and Telecommunication
Langues : Français | Mots-clés : | Intelligence artificielle Apprentissage automatique Apprentissage en profondeur Réseaux de Neurones convolutifs Modèle préforme Apprentissage par transfert Covid-19 | | Résumé : | Apres l’émergence du Coronavirus, qui a secoué le monde entier, il est devenu nécessaire de travailler sur sa détection précoce, et après l’adoption de l’intelligence artificielle dans le domaine médical. Nous proposons ce travail pour détecter la toux corona de manière précise et précoce, en utilisant des images de spectrogramme et l’apprentissage en profondeur qui est un ensemble d’algorithmes d’apprentissage automatique pour former des réseaux de neurones. Dans notre expérience, nous avons utilisé les réseaux de neurones convolutés comme l’une des structures de base pour l’apprentissage en profondeur car ils obtiennent les meilleurs résultats en analyse d’image, Grace a l’utilisation de l’apprentissage par transfert (modelés de réseaux de neurones convolutifs préformes), nous les avons comparés les uns aux autres et avons finalement conclu obtenir le meilleur modèle avec l’ époque de 70 et 128 taille de lot avec une précision de 0,9474 et une perte de 0,1956 pour que le la valeur de précision était élevée par rapport au reste des modèles, et la valeur de perte était faible par rapport au reste. Ce projet vise à comparer ces modèles et à faciliter le développement d’un système base sur l’IA pour la ´ reconnaissance précoce du COVID-19 à partir du signal vocal avec la meilleure efficacité | | note de thèses : | Mémoire de Master en électronique |
|
Ajouter le résultat dans votre panier Faire une suggestion Affiner la rechercheDeep learning methods for medical image classification / Noura Djokna
